一种基于HFRC-Diff的低照度叠加雾图像增强方法技术

本发明专利技术公开了一种基于HFRC‑Diff的低照度叠加雾图像增强方法，该方法能够增强并恢复光照条件差且有雾气产生时的场景图像，使其还原为正常照度且表面干净的高质量图像。包括如下步骤：1)加工现有数据集；2)训练IP‑Net(Initial prediction Network)初始预测模块；3)训练以空间域和频率域引导的条件扩散模型(Frequency‑domain and Spatial‑domain Guided for Diffusion)；4)训练并行注意力特征融合模块。5)对整个低照度叠加雾图像增强网络的测试。这种方法能弥补低照度图像和正常照度图像之间像素级和语义级的差距，同时达到良好的去雾效果，在复杂场景下生成更高质量的图像。

【技术实现步骤摘要】

本专利技术涉及图像增强、数字图像处理技术、图像去雾和去噪扩散概率模型领域，具体是一种基于高频残差条件扩散模型(high frequency-domain residual conditiondiffusion)的低照度叠加雾图像增强方法。

技术介绍

1、雾是在一定大气条件下经过水汽凝结后的产物，是一种常见的天气现象。当处于夜晚或乌云遮盖的场景下产生雾时通过摄像机拍摄到的图像就称为低照度叠雾图像。这类图像往往表现出亮度低、对比度低、噪声大的特征，作为图像处理的上游任务，非常有必要对这类特殊图像进行亮度增强和细节恢复，以更大程度还原图像在正常照度下的原本面貌。

2、目前，低照度图像增强方法主要分为传统方法和深度学习方法。由于传统方法的局限性，对低照度图像增强的效果往往不佳。深度学习技术依赖不断完善的数据集和强大的算力水平，能更好地提取特征和恢复细节，其增强效果已经大大超越了传统方法，并且能更好地处理复杂场景下的增强任务，因此已经成为低照度图像增强的主流技术。现有的低照度图像增强方法大多只专注于简单场景下的增强任务，即不额外引入其他图像退化问题的增强本文档来自技高网...

【技术保护点】

1.一种基于HFRC-Diff的低照度叠加雾图像增强方法，其特征包括以下方法步骤：

【技术特征摘要】

1.一种基于hfrc-diff的低照度叠加...

【专利技术属性】
技术研发人员：江泽涛，钟宁，黄佳彬，刘畅，侬成一，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：